تعيين سطح دانشجويان در آموزش مجازي با تحليل سري زماني جريان كليك

داده هاي سري زماني آموزش الكترونيك مانند داده هاي جريان كليك و لاگ فايل ها اهميت زيادي در رابطه با كشف الگوي هاي رفتاري دانشجويان آن سامانه ها دارد. بيشتر پژوهش هاي انجام شده تاكنون بر داده هاي جريان كليك، مبتني بر روش هاي غير شبكه اي و مرتبط با الگوريتم هاي يادگيري ماشين بوده است. با توجه به اهميت الگوريتم هاي گراف پديداري و نقش آن در حيطه تحليل داده هاي سري زماني، با نگاشت مناسب آن به حيطه داده هاي آموزشي مي توان از اين پتانسيل بهره برد. هدف اين پژوهش گردآوري ميانگين كليك دانشجويان ممتاز و ضعيف براساس زمان‌هاي فعاليت در سامانه و تبديل به گراف پديداري طبيعي و بررسي با معيار هاي تحليل شبكه مانند مركزيت درجه، مركزيت نزديكي و توزيع درجه براي تشخيص تمايز آن‌هاست. داده هاي پژوهش از سامانه OULADكه حاوي اطلاعات تعامل كاربران با سامانه آموزشي است، انتخاب شده است. نتايج نشانگر اين است كه بالاتر بودن مركزيت درجه، مركزيت نزديكي و توزيع درجه متمايز كننده دانشجو ممتاز از ضعيف و تاييد كننده عدم شباهت رفتاري دانشجويان براساس ميانگين كليك هايشان در سامانه است. ميانگين دقت اين معيارها با تحليل جداساز خطيLDA و الگوريتم هاي درخت تصميم، جنگل تصادفي و KNN بعد از 10 بار اجر تحليل شده است كه دقت مطلوب اين معيارها در دسته بندي را نشان مي دهد.